卫星干扰环境下惯性/卫星组合导航系统性能试验方法

本文针对靶场惯性/卫星组合导航系统试验现状和不足,阐述了开展组合导航系统抗干扰性能测试的必要性,并分别从实装试验和仿真试验两方面,论述了测试实现的方法,通过实装测试和仿真试验案例,验证了方法的可行性。     

基于最优滤波的卫星和惯性组合导航方法

针对目前三种主流导航方法各自的不足,提出了一种基于最优滤波法的卫星、惯性组合导航方法,采集这两种导航系统实时测量得到的伪距、伪距率的差值,通过设计合适的最优滤波器,以校正系统误差,获得高精度位置、速度、姿态的用户定位结果,从而弥补了惯性导航误差随时间离散和卫星导航易受外界电磁环境干扰、无法直接提供用户姿态信息的问题。     

基于惯性测量单元旋转的陀螺漂移估计和补偿方法

陀螺仪的漂移误差是影响惯性导航系统的姿态测量精度的重要因素。常用的陀螺漂移估计及航向角误差修正方法需要用磁强计或GPS等外部传感器的辅助数据来实现,存在室内、磁干扰等环境下应用受限的问题。对此该文提出了惯性测量单元旋转的改进方法。该方法在测量过程中对陀螺仪施加独立于物体运动的特定旋转,通过旋转前后不同姿态下陀螺仪和加速度计输出的倾角数值,得到惯性测量单元漂移估计。实验表明,该估计算法可有效地提高航向角的测量精度。     

基于船舶的GPS/单陀螺航向融合算法

研究一种应用于船舶的GPS/单陀螺航向融合算法.首先,根据陀螺输出的角速率来估算船舶航向角信息;然后,采用改进的卡尔曼滤波的GPS/单陀螺融合算法,估算出陀螺的航向角估计误差和陀螺的漂移;最后,得出船舶航向角的准确信息.试验结果表明,该融合算法使得航向角实际应用误差控制在±1°之内,其输出值相当平滑,是一种有效的航向角确定算法.     

基于自适应无迹卡尔曼滤波的分布式驱动电动汽车车辆状态参数估计

以精确估计车辆状态参数为目标,提出了一种基于自适应无迹卡尔曼滤波的车辆状态参数估计算法,采用非线性三自由度车辆模型,将模糊控制与无迹卡尔曼滤波算法相结合,实现对系统测量噪声的自适应调整,通过对方向盘转角,纵向加速度和横向加速度等低成本传感器信息融合实现对质心侧偏角和横摆角速度的状态估计.应用CarSim与Matlab/Simulink建立分布式驱动电动汽车整车模型并且联合仿真对估计算法的有效性进行验证.结果表明自适应无迹卡尔曼滤波比无迹卡尔曼滤波更能有效准确地进行车辆状态参数估计,在双移线工况中,质心侧偏角估计精度提高了6.7%,横摆角速度估计精度提高了4.8%.      

基于自适应简化容积卡尔曼滤波的编队卫星相对导航

针对在星间相对导航中噪声的统计特性未知可能引起滤波估计精度下降甚至发散的问题,提出了一种自适应简化容积卡尔曼滤波(ASCKF)算法。将Sage-Husa自适应滤波与容积卡尔曼滤波(CKF)相结合,通过容积规则摆脱线性滤波的局限性。改进Sage-Husa噪声估计器以避免噪声方差在线估计可能出现的非正定现象,从而保证了滤波器对噪声统计变化的自适应能力。结合编队卫星运动模型的特点,用常规卡尔曼滤波(KF)的时间更新代替相应的容积变换过程,在不影响滤波器性能的前提下减少了运算量。仿真结果表明：在测量噪声统计特性未知的情况下,与CKF相比,该文算法对相对状态的估计精度提高了近25%,同时滤波器的稳定性也得到了提高。     

基于UPF算法的车辆GPS/DR组合导航研究

车辆GPS/DR组合导航系统是非线性系统。采用扩展卡尔曼滤波(EKF)对其进行状态估计时,系统线性化过程将导致较大的滤波误差。为了获得更好的估计性能,将一类改进的粒子滤波方法 (UPF),即以无位卡尔曼滤波(UKF)为建议密度的粒子滤波方法(PF)应用于车辆GPS/DR组合导航系统中,避免了EKF方法的线性化近似过程,提高载体的定位精度。为验证该方法的有效性,将其与EKF分别用于GPS/DR组合导航系统的滤波仿真。仿真结果表明:UPF能减小导航定位误差,滤波性能明显优于EKF。     

一种基于改进自适应卡尔曼滤波的GNSS/INS组合导航算法

在全球卫星导航系统/惯性导航系统(global navigation satellite system/inertial navigation system,GNSS/INS)组合系统中,状态模型误差和异常扰动的影响严重降低了标准卡尔曼滤波的性能,而基于预测残差自适应的卡尔曼滤波随计算次数的增加滤波效果降低,且使用统一的自适应因子调节不可靠。针对上述问题,提出一种改进算法,利用预测残差建立的统计量调节位置向量和速度向量,避免了其他参数对滤波的平衡作用;通过预测残差的概率密度建立马氏距离进行假设检验,在模型正常时使用标准卡尔曼滤波,模型异常时使用改进滤波算法;采用实测车载数据对标准卡尔曼滤波、单因子自适应滤波和本文的滤波方法进行评估,实验结果表明:改进的自适应卡尔曼滤波的滤波算法效果良好,证明了所提算法的有效性。     

基于能量多体作用的原子/连续耦合方法的后验误差估计

本文研究了一维情形下基于能量多体作用的原子/连续耦合方法的后验误差估计.基于理论结果,本文设计了一个不依赖于原子节点的自适应网格加密算法.实验结果显示该算法是有效的.     

GNSS/IMU组合导航观测量丢弃策略

传统的GNSS/IMU (global navigation satellite system/inertial measurement unit)组合导航系统采用固定速率更新策略,平等地对待每一个观测量.因而在受到突发干扰情况下,精度恶化的观测量可能影响到更新后的组合导航结果的精度.该文提出一个双门限的观测量丢弃策略,它同时监控估计量的误差累计程度和观测量的恶化程度.当估计量误差很低或者观测量恶化很严重时,把观测量丢弃掉,使组合导航系统工作在INS(inertial navigation system)单独导航模式.真实的外场试验结合仿真干扰表明:含观测量丢弃策略的扩展Kalman滤波(EKF)跟传统的固定更新速率EKF相比,在干扰条件下具有更低的误差.     

组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.     

定位测姿系统室外三维动态检定场的几何设计

为检测多传感器组合定位测姿系统的整体精度水平,需建立定位测姿系统室外三维动态检定场,并完善多传感器组合系统的整体精度检定方法。该文提出了定位测姿系统动态检定的基本方法,设计了室外三维动态检定场的几何模型,分析了检定场几何模型的设计指标。使用中国自主研发的某型号高精度多传感器组合定位测姿系统在检定场进行了实际检测,并与检定场静态、动态标定结果进行了对比,结果表明：该系统检测结果与检定场设计参数一致,在使用经典方差和Allan方差等方法对测距、横向、垂向等误差进行统计分析后,能较为准确地反映出该定位测姿系统整体短期精度水平。该检定技术既可作为定位测姿系统整体精度检定的一种手段,还能为行业制定相关仪器检定规范提供方案。     

陆地车辆GNSS/MEMS惯性组合导航机体系约束算法研究

针对陆地车辆导航应用,基于速度特性建立了机体系约束用以提高卫星导航系统(GNSS)/微硅机械(MEMS)惯性组合导航系统的性能. 该约束将与车体运动方向相垂直的平面上的线速度近似为0,从而增加了组合系统的扩展卡尔曼滤波时间上连续的两维虚拟观测量,卫星信号失效时可保持滤波器的量测更新,当无外部观测量且车辆处于动态情况下,滤波可持续估计与反馈. 车载实验表明,组合系统在卫星信号失效30 s时,采用该算法可以将系统的定位精度提高约75%,姿态精度及速度精度也有相应的提高.      

一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

ACDKF在SINS大方位失准角初始对准中的应用

将可以估计系统参数、噪声统计特性和修正滤波增益的自适应估计方法引入到CDKF算法中,并将其应用到SINS大方位失准角初始对准中,实现SINS大方位失准角初始对准,解决了噪声特性不准确的非线性问题,避免了线性化误差对滤波精度的影响,克服了噪声统计特性不准确的局限性,进一步提高了导航精度.采用自适应中心差分卡尔曼滤波(ACDKF)进行初始对准,提高了CDKF算法的收敛性和系统的稳定性.仿真结果表明:ACDKF能够克服噪声统计模型不准确对滤波结果的影响,对失准角的估计精度优于CDKF,进一步提高了系统的精度和可靠性.     

基于UKF的INS/GPS组合导航系统仿真

通过Unscented卡尔曼滤波(UKF)算法,研究INS/GPS紧耦合组合导航系统中滤波算法的问题,避免了对非线性的系统方程进行线性化.同时将自适应原理引入UKF,给出了一种自适应UKF算法.将EKF、UKF和自适应UKF分别应用到INS/GPS组合导航系统的滤波中.仿真结果表明,相比UKF算法,自适应UKF算法进一步提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高.     

基于LabVIEW的多传感器信息采集平台

车辆定位中利用多传感器信息融合技术可以提高定位精度.系统中的传感器数量急剧增加,传统仪器很难满足整个系统的测量需求.本文开发了一种基于虚拟仪器软件开发环境Lab-VIEW的多传感器信息采集平台,将多传感器数据采集、预处理、信息显示、存储及数据回放集成在一起,解决了以往实现多传感器信息同步十分困难的问题,为将来进一步研究利用虚拟仪器测量多传感器信息及进行多传感器信息融合奠定了基础.     

基于EPEA的SINS大失准角非线性初始对准方法

基于欧拉平台误差角(EPEA)的概念描述了理论导航坐标系到计算导航坐标系之间的失准角,推导了捷联惯导系统(SINS)在大失准角情况下进行初始对准的非线性误差模型.在系统噪声和量测噪声均为加性噪声且量测方程为线性方程时,给出了带阻尼解算的简化扩展卡尔曼滤波(EKF)算法和简化无迹卡尔曼滤波(UKF)算法,同时分析了不同失准角情况下初始对准过程的异同.静基座状态下的Monte Carlo仿真结果表明,大失准角和大方位失准角情况下,EKF和UKF算法都能满足对准要求,其中UKF算法较EKF算法具有对准时间更快、对准精度更高和适用范围更广的优点;小失准角情况下,由于捷联惯导系统的线性化误差变小,二者的对准时间和对准精度基本相同.